黃海潮波系統下的GOCI 反演及OSU 模式海表流場數據適用性研究

崔赫 ，陳建裕 *，曹振軼，管衛兵，朱乾坤，龔芳

(1.浙江大學 海洋學院，浙江 舟山 316021；2.自然資源部第二海洋研究所，浙江 杭州 310012)

1 引言

海表流場對于理解海洋的物理和生物地球化學過程至關重要[1]。近海海域高頻次、高空間分辨率的海流觀測，為航運航行、海上救援行動和環境監測（例如有害藻華、有害物質和沉積物運輸）提供了必不可少的數據支撐[2]。

近岸海表流場可經由靜止水色衛星遙感反演獲取。2010 年6 月27 日，韓國發射了世界上第1 顆搭載了地球同步靜止海洋水色成像儀（Geostationary Ocean Color Imager，GOCI）的靜止海洋水色衛星（Communication Ocean and Meteorological Satellite,COMS）[3]，其連續獲取的東北亞地區的衛星光學影像已成功地應用于所觀測海域的海表流場反演。Choi 等[4]使用GOCI數據有效估計了韓國西海岸的懸浮沉積物運動；Yang等[5]利用GOCI 數據實現了朝鮮半島周圍高頻次海表流場的反演。

海表流場也可通過海洋模式計算得到。俄勒岡州立大學（Oregon State University,OSU）開發了中國部分海域潮流模式TPXO-CSI2016（China Seas &Indonesia 2016）[6-7]，其覆蓋海域包括南海、東海、黃海和渤海以及西北太平洋海域，且同化了大量衛星遙感數據和驗潮站數據，空間分辨率為（1/30）°，主要包含了4 個主要全日分潮（K1、O1、P1、Q1）和4 個主要半日分潮（M2、S2、N2、K2）。利用該模式可進行特定區域的潮汐預測或潮流計算，Hu 等[8]利用OSU 區域潮流模式計算獲取的M2分潮潮流結果在整體上與GOCI和現場觀測結果之間有較好的一致性；與漂流浮標觀測數據相比，OSU 模式模擬的潮流橢圓在半長軸、半短軸、相位與橢圓傾角上的平均絕對誤差分別為0.08 m/s、0.04 m/s、10°和8°；趙強等[9]利用浙江近岸33 個潮位站的8 個主要分潮的調和常數和潮高對7 個全球/區域潮汐模式的準確度進行了評估，認為該模式在浙江近海的運用具有較高的準確度。

來自北太平洋的大洋潮波系統，經過臺灣島-琉球群島-日本九州島一線傳入東海大陸架，由于水深變淺，傳播速度變慢，在地轉偏向力、海岸線及海底地形的影響下，入射波與反射波相互干擾疊加下，形成了整個渤海、黃海、東海較為復雜的旋轉潮波系統[10-12]。近年來，國內外對于東海潮汐、潮流的數值計算及海表流場的反演有了較深層次的研究，沈育疆[13]于1980 年首先提出南黃海中部存在半日分潮的南北向往復流帶，并于20 世紀90 年代分析了黃海半日潮波系統的形成機制，提出南黃海中部存在一大片半日潮弱流區[14]；金宇豪[15]根據GOCI 數據和現場同步觀測的潮汐數據及實測的浮標數據，利用最大相關系數（Maximum Correlation Coefficient,MCC）算法反演江蘇沿海輻射沙脊群的海表流場，驗證了遙感反演算法的可行性并且可以達到對流場變化的實時監測；Chen 等[16]采用MCC 算法利用GOCI數據反演了東海海域的海表流場，進而提出了一種基于角度約束的流場矢量數據處理方法，處理后的流場數據平均角度誤差（Average Angular Error，AAE）值降低了28%～38%；Hu 等[8]利用GOCI 反演的海表流場提取了黃、東海海域M2分潮的潮流信息，并利用大量的實測數據分別對OSU 潮流模式與GOCI反演的M2潮流進行了對比分析，得出三者之間具有較好的一致性。已發表的相關研究中，缺乏考慮復雜的潮波系統對流場數據可用性及精度影響的深入探討。

因此，本文針對黃海復雜的旋轉潮波系統，將GOCI反演流場的潮流提取結果與OSU 模式流場作分區對比，并基于多軌實測的漂流浮標數據驗證評估，分析兩種流場數據在不同旋轉潮波區位的差異。

2 研究區域

黃海是太平洋西部的邊緣海，位于中國與朝鮮半島之間，面積約為3.8×105km2，平均水深為44 m，最大深度為140 m[17]。黃海海流微弱，流速通常只有最大潮流速度的1/10 左右，潮流是黃海海域最重要的水動力過程之一[18-20]。黃海海域的潮流主要以半日潮流為主，除煙臺近海和渤海海峽等處為不規則半日潮流外，其他區域均為規則半日潮流。黃海東部海域的流速大于西部，強潮流區位于朝鮮半島西端的一些水道，觀測到最大流速為4.8 m/s；其次為西北部的老鐵山水道，最大流速達2.5 m/s 以上[21-22]。

3 材料與方法

3.1 數據集

3.1.1 浮標數據

漂流浮標在海面或一定深度隨海流漂動，是海洋觀測中較為方便、有效的工具之一[23-24]。漂流浮標在工作時受到風場和海流的影響，其測量海流的原理是利用拉格朗日法描述海水的運動，測量的準確性主要與漂流浮標在海面上下的面積之比有關，本文所使用的漂流浮標海面上部分面積為0.031 m2，海面下部分面積為（0.031+0.7）m2，上下面積比低至0.04，其海面以下的帆中心點在水下3 m 處，因此該浮標受到海流的影響較大，可獲取較高精度的海流數據，所用浮標的工作時間范圍從2012 年6 月3 日至8 月20 日，浮標移動的范圍為33°～39°N，121°～125°E。圖1 中所示為漂流浮標的運動軌跡，軌跡主要集中在南黃海的西部及朝鮮半島的西海岸，其位置數據測量間隔約為0.5 h，在約77 d 的電池生命周期內獲得了6 505 個站點的信息，圖2 為漂流浮標工作圖。

圖1 研究區域及其水深地形Fig.1 The study area and its bathymetry topography

圖2 漂流浮標工作圖Fig.2 Woring diagram of drifting buoy

3.1.2 GOCI 數據

GOCI 數據空間分辨率為500 m，共8 個波段，光譜范圍為402～885 nm，可從韓國海洋衛星中心下載（http://kosc.kiost.ac.kr/）GOCI level-1B（L1B）數據。GOCI數據的成像時間是格林尼治標準時間的00:00-07:00（即北京時間上午8:30-15:30），時間間隔為1 h，每天可獲得8 組數據。研究表明，多個GOCI 遙感產品可用于流場反演，如總懸浮物（Total Suspended Matter,TSM）濃度、葉綠素a（Chlorophylla,Chla）濃度和歸一化離水輻亮度（Normalized Water-leaving Radiance,LWN），其中以TSM 濃度為示蹤劑反演的海流能夠捕獲潮汐相位的變化，且在中低濁度的水域均有較好的反演效果[25-26]。本文使用TSM 濃度作為GOCI 反演的示蹤劑。

3.1.3 OSU 潮流模式數據

運用潮汐模型驅動程序（Tidal Model Driver,TMD）運行OSU 潮流模式，可獲取特定經緯度、特定時間的潮流u、v分量，進而獲取對應的潮流數據[27]。通過與大量近岸觀測潮位和潮流數據（http://volkov.oce.orst.edu/tides/YS.html）進行比較，發現該潮流模式模擬的M2半日潮與K1全日潮的均方根誤差分別約為4.5 cm和1.3 cm。利用該潮流模式，本研究提取了與GOCI同觀測時間的潮流數據（8 個主要分潮疊加的復合分潮數據），并將其匹配到與GOCI 反演結果相同的0.15°×0.15°的網格上以便進行比較。

3.2 方法

3.2.1 GOCI 數據處理

在GOCI 數據處理系統軟件GDPS（GOCI Data Processing System）的支持下，對GOCI-L1B 原始數據進行大氣校正、掩膜等方面的數據預處理。然后，使用GDPS 提供的內置TSM 濃度算法，將數據處理成L2 級別的 TSM 產品[28]。

最大相關系數算法是從衛星圖像中反演海面流場的典型算法[25,29-30]。基于圖像匹配方法的MCC 算法如圖3 所示，執行該操作可以從同日兩個連續GOCI 影像中獲取該時段的海表流場矢量。前一幅用于估算當前位置的影像稱為“模板窗口”，后一幅影像稱為“搜索窗口”。MCC 算法在模板匹配技術的基礎上使用相關關系來跟蹤示蹤物結構的變化。利用式（1）計算“模板窗口”與“匹配窗口”之間的相關系數（ρ）。

圖3 最大相關系數算法估算海表流場的示意圖Fig.3 A schematic diagram of the maximum correlation coefficient algorithm for estimating the sea surface currents field

式中，i為設置的一個時間標號，從0～7 代表著北京時間8:30-15:30（時間間隔為1 h）；分別為“模板窗口”和“搜索窗口”中的二維矩陣數據。使用式（2）和式（3），可以計算當前流場矢量的大小（Velocity）和方向（Direction）。

式中，xi和yi為“模板窗口”的中心坐標；xi+1和yi+1為“匹配窗口”的中心坐標；h為之間的觀察時間，間隔為1 h。

為獲得更準確的流場矢量，本研究計算所選取的“模板窗口”大小為20×20，“搜索窗口”大小為36×36，擬合閾值設置為0.9[4,25]。通過計算模板窗口與搜索窗口之間的最大相關系數來確定合適的匹配窗口，如果計算值大于閾值，則將匹配窗口視為模板窗口移動1 h 后到達的正確位置。然后，重復上述操作步驟，獲得相對完整的海表流場。

3.2.2 浮標數據處理

漂流浮標數據中包含的信息為每個站點的具體時間、緯度和經度。首先，計算漂流浮標時間序列數據中兩個連續站點之間的距離；然后結合兩站點之間的時差計算出兩站點之間的速度；最后，兩個連續站點之間的角度（C）通過勾股定理計算。具體公式為

式中，R是地球半徑，計算時將平均半徑6 371 km 作為R的值；Alat和Alon表示A 點的緯度和經度；Blat和Blon表示B 點的緯度和經度；L為AB 兩點之間的距離。

3.3 評估方法

為了定量地評估衛星反演和模式計算的流場與實測流場在流速大小和方向上的差異性，本文采用了Chen[31]提到的角度誤差與相對大小誤差的定義方法對反演結果進行驗證。此處，海表流場的方向和速度默認為二維s=(u,v)，不考慮垂直方向地的流動。因此，實測速度vbuoy與衛星反演（模式計算）流速vinv之間的角度誤差和相對幅度誤差可以寫成：

4 結果與分析

4.1 研究區域內海表流場對比分析

利用MCC 反演算法或GOCI 反演算法和OSU 潮流模式，1 d 內各可獲取7 幅海表流場圖。圖4 和圖5是2012 年8 月5 日GOCI 反演和OSU 模式獲取的黃海海表流場，從圖中可以看出OSU 模式獲取的流場矢量比較規則，GOCI 反演的流場存在雜散矢量，流場中的空白區域是受到了云量或示蹤物濃度變化的影響。對比兩種方法獲取的流場圖發現，以36°N 緯線為界線，在其附近海域，OSU 模式獲取的流場矢量流速變小，界線南北兩側流場矢量的流向有較大的差異，呈現出往復流的特征。在選取的107 個漂流浮標站點內，GOCI 反演的海表流場的平均流速為0.53 m/s，漂流浮標測量的海表流場平均流速為0.45 m/s，OSU模式的海表流場平均流速為0.42 m/s；GOCI 流場數據AME 值為0.77，AAE 值 為75.56°，OSU 流場數據的AME 值為0.49，AAE 值為50.94°。

圖4 2012 年8 月5 日7 個時段的GOCI 反演的海表流場分布Fig.4 GOCI-derived sea surface currents field at seven intervals on August 5,2012

4.2 OSU 潮流模式數據評價

為進一步驗證分析OSU 潮流模式的計算結果及黃海中部的流場矢量變化情況，選用實測的漂流浮標數據，將計算得到的潮流值和據實測資料求得的潮流值相比較，同時，在中部區域和近岸區域選取相同數量的流場矢量，比較兩區域的矢量值差異，結果見表1和表2。由表1 可以得出，實測數據求得的平均流速為0.37 m/s，OSU 模式計算的平均流速為0.42 m/s，兩者平均角度偏差值為39.71°；由表2 可以得出，中部區域的實測數據流速和OSU 模式計算的流速均遠小于近岸區域，其角度偏差值遠大于近岸區域，再對比表1 兩者的流速平均值，其結果證實了黃海中部弱流區的存在。

表1 OSU 模式計算結果與實測值的比較Table 1 Comparison of OSU mode calculation results and actual measured values

表2 中部區域與近岸區域矢量值的比較Table 2 Comparison of vector values between the central region and the nearshore region

圖6 為OSU 潮流模式模擬的M2潮流橢圓變化分布情況。在黃海中部海域、黃海北部大部分海域，潮流橢圓的旋轉方向為逆時針，在萊州灣、山東半島的成山頭附近及南黃海呈順時針方向轉動，其分布情況與丁文蘭[32]和Hu 等[8]所得到結論一致。在黃海中部海域，潮流的流速明顯變小，部分潮流矢量的旋轉方向也發生了變化，與圖5 中流場矢量的變化情況相似。

圖5 2012 年8 月5 日7 個時段的OSU 模式計算的海表流場分布Fig.5 OSU-derived sea surface currents field at seven intervals on August 5,2012

東海的潮波系統以半日潮波為主，其中M2分潮占優[12,33]，在黃海海區，復合分潮無潮點的位置分布與M2分潮較為相似。圖7 是OSU 模式模擬的M2分潮的同潮圖，紅色標記點為黃海海區的兩個無潮點，周圍是以無潮點為中心的逆時針向的半日旋轉潮波系統，結合圖5 的OSU 流場矢量分布情況和圖6 的M2潮流橢圓分布情況，研究表明，在黃海海區以兩個無潮點為中心的逆時針旋轉潮波系統相互作用，在中部弱流區存在1 個潮波干涉區（圖7 中藍色框線部分），對該位置海域的潮流矢量產生影響。

圖7 OSU 模式模擬的黃海M2 分潮同潮Fig.7 The Yellow Sea M2 with the same tide simulated by OSU model

4.3 衛星反演流場的潮流提取

衛星反演的海流主要包含了潮流（周期性）和余流（非周期性），將OSU 模式結果與GOCI 反演的流場直接比較可能會產生較大的誤差。因此，本文提取了GOCI 反演流場中的潮流部分與OSU 模式結果進行比較，并對漂流浮標獲取的海流做潮流提取，消除了余流帶來的誤差。

由4.2 節可知，OSU 潮流模式能對潮流進行比較準確地估算。對于GOCI 反演流場的潮流提取，利用衛星反演的海表流場，扣除OSU 模式結果中包含所有潮流分量的潮流數據得到余流，再將每天7 個時次的小時級余流場進行平均，獲取日平均余流場。為了去除一些異常值，本文采用最優插值方法對平均余流場進行平滑去噪，最終將GOCI 反演流場數據減去相應的余流數據即得所需的潮流數據。Hu 等[8]也利用此方法對長江口毗鄰海域和黃、東海海域的GOCI 反演流場做了相應的余流計算，其結果與空間加權最小二乘法獲取的余流數據具有較好的一致性，能夠很好地反映研究海域季節性流場特征。

對于漂流浮標的潮流提取，利用浮標計算的海流，扣除OSU 模式結果中包含所有潮流分量的潮流數據得到余流，再將漂流浮標所在1 個潮周期內的小時級余流進行平均，獲取平均余流，最終將浮標計算的海流數據減去相應的余流數據即得所需的潮流數據。圖8 顯示的是漂流浮標的海流（藍色點）和提取的潮流（紅色點），兩者的u、v分量具有相同的變化趨勢，在同一時刻的差值即為余流的u、v分量。

圖8 漂流浮標海流與提取潮流的比較Fig.8 Comparison between the following currents of drifting buoys and the extracted tidal currents

4.4 潮流數據分區對比

由于旋轉潮波系統的存在，使得黃海海區的潮流場特征變得復雜，對流場數據進行整體評估可能會產生較大的誤差。本文針對OSU 潮流模式的評價結果對GOCI 反演后提取的和OSU 模式獲取的潮流數據進行分區對比，即靠近潮波干涉區的黃海中部海域（圖9b 區域）和遠離潮波干涉區的黃海近岸海域（圖9a區域）對比。圖9b 對應的案例日期為2012 年6 月27 日、2012 年7 月11 日 和2012 年7 月16 日，圖9a對應的案例日期為2012 年8 月2 日、2012 年8 月4 日和2012 年8 月5 日，所選案例在GOCI 反演流場1 d 的7 個時段內均可獲取流場數據。其中，GOCI 和OSU 潮流數據的選取原則都是以對應時段的漂流浮標數據為中心，選取其0.5°×0.5°范圍內的潮流數據，圖10 和圖11 分別為黃海中部海域和黃海近岸海域的潮流數據對比圖。

圖9 2012 年潮流數據分區對比Fig.9 Zonal comparison of tidal current data in 2012

圖10 黃海中部海域潮流數據對比Fig.10 Comparison of tidal currents data in the central Yellow Sea

圖11 黃海近岸海域潮流數據對比Fig.11 Comparison of tidal currents data in the coastal Yellow Sea

圖12 是黃海中部海域潮流數據平均流速和流向圖，從圖中可以看出，流速方面，在1 d 的7 個時段內，3 種潮流數據（GOCI 潮流數據、OSU 潮流數據和漂流浮標實測數據）的流速變化曲線較為接近，OSU 潮流數據和實測數據在流速上更接近一些，GOCI 流速值偏大；流向方面，GOCI 潮流數據的旋轉方向及各個時段的流向更接近實測數據。圖13 是黃海近岸海域潮流數據平均流速和流向圖，從圖中可以看出，流速方面，OSU 潮流數據流速與實測的流速曲線較為接近，且都稍大于GOCI 流速值；流向方面，OSU 潮流數據的旋轉方向及各個時段的流向更接近實測數據。

圖12 黃海中部海域潮流數據平均流速（a-c）和流向（d-f）Fig.12 The average currents velocity (a-c) and currents direction (d-f) of the tidal currents data in the central Yellow Sea

圖13 黃海近岸海域潮流數據平均流速（a-c）和流向（d-f）Fig.13 The average currents velocity (a-c) and currents direction (d-f) of the tidal currents data in the coastal Yellow Sea

表3 是黃海中部海域與近岸海域GOCI 與OSU潮流數據的AME 值和AAE 值。從表中可以得知，對于OSU 潮流數據的計算結果，整體上與實測數據具有較好的一致性，在速度的大小和方向上，近岸海域的結果都優于中部海域，兩者AME 值分別為0.30 和0.46，AAE 值分別為21.34°和63.10°。其原因之一可能是受到了黃海中部海域潮波干涉區的影響，由圖5可知，OSU 潮流矢量在以36°N 為界線的黃海中部海域流速變小，流向在界線南北兩側產生較大差異，且該位置海域存在半日潮弱流區和南北往復帶；另外，還可能受到模式本身同化數據站點數量的影響，邊緣海域相比于中部海域設有更多的驗潮站等數據站點，輸出結果的準確性也相對較高。

表3 黃海中部與近岸海域GOCI 與OSU 潮流數據的AME 值和AAE 值Table 3 The AME value and AAE value of GOCI and OSU tidal current data in the central and coastal waters of the Yellow Sea

對于GOCI 反演后提取的潮流結果，在方向上與實測數據具有較好的一致性，其AME 值和AAE 值在中部海域略小于邊緣海域，其原因可能是受到了懸浮物濃度的影響。Hu 等[25]提出，MCC 算法在高渾濁水體的適用性以及反演流場的準確性整體上沒有在中、低渾濁海域表現那么好，主要原因可能是高渾濁水域懸浮物的快速沉降與再懸浮導致了MCC 圖像的錯誤匹配。邊緣海域的水體濁度相較于中部水域更高，導致了MCC 圖像的錯誤匹配，產生了反演誤差。相較于OSU 模式，GOCI 的AME 值偏大，原因可能是GOCI 反演的流速值偏大，導致提取的潮流值偏大。

5 討論

針對黃海復雜的潮波系統，利用實測數據對GOCI 的反演結果和OSU 模式的計算結果進行了分區評估，得出不同潮流數據之間流速和流向存在差異的結果。GOCI 反演的流場包含了潮流和余流信息，潮流有較強的周期性，余流有明顯的季節性特征。圖14 是2012 年8 月5 日GOCI 流場1 d 的7 個時段的日平均余流圖，平均流速約為0.5 m/s。從圖中可以看出，該天的平均余流方向總體為北向（流向A），符合漂流浮標的運動軌跡方向。在朝鮮半島的西海岸存在較強的沿岸流（流向D 和流向E），山東半島南部存在一支西向流（流向B），可能會導致南向的沿岸流產生（流向C），該天的日平均余流分布情況與蘇紀蘭[34]和Yuan 等[35]得出的結論一致，符合黃海夏季的流場分布特征。

圖14 GOCI 反演流場1 d 的 7 個時段日平均余流Fig.14 Daily average residual currents in seven periods of the day of GOCI inversion current field

GOCI 反演流場的效果會受到云量、示蹤物等條件的影響。圖15 是GOCI 反演效果較好的黃海中部海域3 d 各個時段的AAE 值和AME 的值，從統計結果中發現，中間3 個時段的數據整體評估值小于前后兩個時段，存在這種情況的原因可能是中午的太陽天頂角小、云量較少，可獲得的水色信息較多[36]，數據質量更好，因而反演的效果更好。

圖15 GOCI 反演流場3 d 數據AAE 和AME 的平均值Fig.15 Average of AAE and AME of three-day data in GOCI inversion current field

另外，對于海流有效探測的條件分析[37]，本文嘗試改變示蹤物的種類，對比不同示蹤物反演GOCI 流場的差異。表4 和圖16 是選取反演效果較好的黃海中部海域正午2 個時段，以TSM 濃度、Chla濃度和555 nm 波段的遙感反射率（Remote Sensing Reflectance，Rrs）作為濃度物的GOCI 流場反演結果統計和對比圖。從圖中可以看出，不同示蹤物反演的海流相互之間存在差異，從表中可以得出，在選取的案例中，TSM 濃度反演的效果最好，且獲取的流場矢量數目也相對最多。

圖16 3 種不同示蹤物的GOCI 流場反演結果對比Fig.16 Comparison of GOCI flow field inversion results of three different tracers

表4 3 種不同示蹤物的GOCI 流場反演結果統計Table 4 Statistics of GOCI currents field inversion results of three different tracers

6 結論

本研究針對MCC 算法，以GOCI 遙感反演的TSM濃度數據為示蹤物，獲取了黃海海域的海表流場。通過與實測漂流浮標數據的對比，得到GOCI 反演的海表流場的平均流速為0.53 m/s，漂流浮標測量的海表流場的平均流速為0.45 m/s，考慮到反演誤差，得出MCC 算法適用于黃海海域的GOCI 流場反演。

根據OSU 模式流場矢量和M2潮流橢圓的分布情況，得出OSU 潮流模式獲取的流場數據符合真實的黃海潮流特征；并針對黃海海域無潮點的分布情況，提出并識別潮波干涉區，即以兩個無潮點為中心的逆時針旋轉潮波系統相互作用，在黃海中部弱流區產生1 個潮波干涉區，對該位置海域的潮流矢量產生影響。

在此基礎上，對GOCI 反演的流場做潮流提取，對比其與OSU 模式流場在不同海域的差異。對于本研究中選取的潮流數據，在靠近潮波干涉區的黃海中部海域，GOCI 潮流數據與實測數據在方向上的一致性要優于OSU 潮流數據，兩者AAE 值分別為48.45°和63.10°；在遠離潮波干涉區的黃海近岸海域，OSU潮流數據要優于GOCI 潮流數據，在速度大小和方向上，OSU 潮流數據與實測數據的一致性都要優于GOCI；由于GOCI 反演的流速值偏大，近岸海域和中部海域的GOCI 潮流AME 值都偏大。

采用了OSU 潮流模式輸出的潮流結果，去除了GOCI 反演的小時級海表流場中的潮流部分而獲得平均海表流場（余流），結果表明，其流場分布情況符合黃海夏季流場的分布特征；對于GOCI 海流反演的有效條件分析可知，在研究區域內，中午時段的反演效果較好，對于示蹤物的選取，TSM 濃度相較于Chla濃度和Rrs（555 nm）的流場反演精度更高且流場矢量數目更多。

由于受到觀測資料有限性和有效性的影響，本文沒有盡可能多的對黃海其他海域進行案例選取分析，未來可針對更多區域、不同季節進行流場評估分析，并進一步開展有關反演流場精度提升的相關工作。